[发明专利]图像数据处理、模型的建立方法、装置、计算机设备和存储介质

权利要求书

1.一种图像数据处理方法，所述方法包括：

获取待处理图像，将所述待处理图像输入已训练的图像哈希码提取模型，所述图像哈希码提取模型包括卷积神经网络，所述卷积神经网络包括嵌入卷积层之后的哈希映射层；

所述图像哈希码提取模型的参数由图像分类模型训练得到，所述图像分类模型包括所述卷积神经网络，并在所述哈希映射层之后连接分类输出层；

获取所述图像哈希码提取模型输出的所述待处理图像对应的哈希码，包括：获取所述待处理图像经过卷积层输出的对应的原始视觉描述符；将所述原始视觉描述符输入所述哈希映射层输出对应的目标哈希码。

2.根据权利要求1所述的方法，其特征在于，所述获取待处理图像的步骤之前，还包括：

获取训练样本图像集，所述训练样本图像集中的各个训练样本图像存在对应的标准分类；

将所述训练样本图像集输入所述图像分类模型，经过卷积层输出对应的原始视觉描述符集；

将所述原始视觉描述符集输入所述哈希映射层输出对应的哈希码集；

将所述哈希码集输入分类输出层，输出所述哈希码集中各个哈希码对应的训练样本图像的类别概率分布；

根据所述各个哈希码对应的训练样本图像的类别概率分布计算分类误差；

通过最小化分类误差训练所述图像分类模型得到目标图像分类模型；

以所述目标图像分类模型的哈希映射层作为哈希码输出层得到所述已训练的图像哈希码提取模型。

3.根据权利要求1所述的方法，其特征在于，所述卷积层的数目由图像哈希码提取模型的结构决定。

4.根据权利要求3所述的方法，其特征在于，所述卷积神经网络包括预设数目的深度可分离卷积网络，所述深度可分离卷积网络包括深度卷积层和映射卷积层，所述获取所述待处理图像经过所述卷积层输出的对应的原始视觉描述符的步骤包括：

将所述待处理图像经过第一卷积层输出对应的第一特征图集合；

将所述第一特征图集合输入第一深度可分离卷积网络，经过第一深度卷积层通过对应的深度卷积过滤器输出第二特征图集合，将所述第二特征图集合输入第一映射卷积层通过对应的映射卷积过滤器输出第三特征图集合；

将所述第三特征图集合输入下一个深度可分离卷积网络直至最后一个深度可分离卷积网络输出目标特征图集合，所述目标特征图集合形成所述原始视觉描述符。

5.根据权利要求4所述的方法，其特征在于，同一深度可分离卷积网络内的映射卷积过滤器的内核数目为深度卷积过滤器的内核数目的两倍，所述下一个深度可分离卷积网络内的深度卷积过滤器的内核数目与上一个深度可分离卷积网络内的映射卷积过滤器的内核数目相同。

6.根据权利要求3所述的方法，其特征在于，所述将所述原始视觉描述符输入所述哈希映射层输出对应的目标哈希码的步骤包括：

获取所述哈希映射层的第一节点作为当前节点；

获取所述当前节点对应的偏置值作为当前偏置值，获取所述当前节点对应的权重作为当前权重；

根据所述原始视觉描述符、当前权重、当前偏置值采用值量化算法计算得到所述当前节点对应的哈希值；

获取哈希映射层的下一个节点作为当前节点，重复进入所述获取所述当前节点对应的偏置值的步骤，计算得到下一位哈希值，直至计算得到哈希映射层的全部节点对应的哈希值；

哈希映射层的各个节点对应的哈希值按计算顺序组成所述目标哈希码。

7.根据权利要求3所述的方法，其特征在于，所述将所述原始视觉描述符输入所述哈希映射层输出对应的目标哈希码的步骤之前，还包括：

将所述原始视觉描述符输入均值池化层得到一维向量视觉描述符；

将所述一维向量视觉描述符输入所述哈希映射层，所述哈希映射层与所述均值池化层全连接。